具身智能企业星动纪元近日顺利完成10亿元战略轮融资，企业估值正式突破百亿大关。
本轮融资由三星、高成投资、新加坡电信、友利资本（隶属韩国友利金融集团）、中金保时捷、中芯聚源、峰和资本（海辰储能）、锡创投、广发乾和、鸿瑞集团等多家新机构联合出资，同时鼎晖VGC、清控天诚等老股东也进行了超额追加投资。
值得关注的是，此次战略轮融资距离其上一轮融资仅间隔2个月。凭借登顶全球第一的具身模型研发技术实力，以及与斯坦福大学Chelsea Finn团队（PI创始人）的深度战略合作，星动纪元吸引了远超募资目标的意向投资额。
2026年仅过去两个月，人形机器人行业已呈现加速发展态势。据NE时代智能体不完全统计，当前行业百亿估值俱乐部成员已扩充至10家，分别为优必选、宇树科技、智元机器人、银河通用、星海图、智平方、自变量、千寻智能、星动纪元、云深处。
从俱乐部成员构成来看，目前仅有优必选一家为上市企业；宇树科技与智元机器人作为行业顶流企业，其行业影响力无需多言；其余多数家企业的成立时间均不足3年，属于行业内快速崛起的新生力量。
这些企业的创始人背景多元，既有来自汽车行业、工业机器人行业的资深从业者，更有大量AI领域的顶尖人才投身其中，为行业发展注入新鲜活力。
通过拆解其中6家机器人企业的技术路径，我们既能清晰洞察当前机器人行业的发展共识与最新进展，也能更客观、全面地认识这个人形机器人风口下的新兴赛道。
01.
银河通用，合成数据的坚守者
银河通用成立于2023年，其创始人王鹤（1992年生）具有浓厚的学术背景，2021年回国后在长期在北大任职。
在硬件形态上，银河通用不坚持人形，第一代产品Galbot G1为轮式机器人。
和其他采用真实数据的企业不同，王鹤立场鲜明的支持合成数据。目前银河通用的数据训练中，真实数据站不不到1%，主要依靠合成数据。
王鹤介绍真实数据的主要作用是在合成数据解决完98%的问题之后，作为“数据飞轮”回流的少部分数据，结合强化学习去修复最后2%的corner case。
对于原因，王鹤认为真实数据成本太高。
“如果投入1万台机器人去采集数据，以单个机器人10万成本计算，就需要10亿元。加上维护、摇操人工的费用，每个月维持这1万台机器运转成本就在10亿元人民币。并且机器人硬件目前极不成熟，故障率高，这就意味着不能在汽车领域中坚持采用的真实数据逻辑在机器人领域是站不住脚的。”
对于行业内对仿真数据sim-to-real的担忧，王鹤从两个方面进行反驳。
一是视觉差异已经不是问题。王鹤认为在VLM训练数据中既然能够看懂米老鼠、唐老鸭情节，因此自然也就能看懂物理渲染出来的画面。这也就意味着，合成数据带来的视觉纹理差异对大模型来说根本不是障碍，大模型可以抓取背后的因果关系。
二是核心物理差异是可控的。虽然柔软、多点接触的物体（比如挤压、撕裂）在仿真里很难做到100%逼真，但在商业落地的核心高频动作上（如移动、抓取、放置），现有的物理仿真技术已经能把差异做得足够小。目前银河通用已经用合成数据实现了对透明玻璃、柔性衣物叠放等复杂材质的抓取并成功泛化到物理世界。
因此，银河通用的核心差异化在于其并未采取行业普遍的“堆人力、买真机采集真实数据”，而是建立在合成数据上的大模型闭环，以及极强的场景泛化能力上。
银河通用的泛化性能力在今年春晚得到了很好的展示。搭载银河星脑AstraBrain的机器人Galbot，通过少量示范+大规模拟人操作数据合成+模仿加强化学习就完成了盘核桃、拾玻璃碎片、货架精准取物、叠衣理物、串制烤肠等任务。
目前，银河通用主攻的应用场景是商品零售，比如和美团联合打造的智慧药房场景。
目前银河通用已经发布两款机器人产品，分别是Galbot G1和工业级具身智能重载机器人Galbot S1。2025年银河通用Galbot G1出货量突破1200台。
02.
星海图，汽车行业转型的卓越案例
星海图是从汽车行业转战机器人领域最成功的企业之一。
三位初创成员高继扬（1992年）、赵行、李天威均来自自动驾驶汽车产业。其中，高继扬作为CEO，曾工作于Waymo、Momenta，并亲自负责了智己NOA项目的交付。赵行是高继扬在Waymo时的同事，天威则是高继扬在Momenta时的同事。后吸纳了许华哲（算法方向，目前已离职）、杨泽义（机电方向）加入。
受汽车产业的影响，高继扬认为，具身智能的长期护城河一定是建立在物理世界的数据闭环基础上，所以星海图一直坚持“整机+智能”的软硬件结合路线。
在产品交付方面，可以提供基础模型+后训练工具+整机的产品组合，目的是让客户像培训人类员工一样去培训自己的机器人。
在硬件产品选择上，星海图并不追求是否为人形，而是采用了更符合用户场景的轮式机器人。
目前已经推出R1 Pro、R1和R1 Lite三款机器人产品，在产品形态上均为自研轮式底盘配合机械臂，大脑则采用英伟达Orin X。
在场景落地方面，星海图将目标场景瞄准仓储物流中的料箱拣选环节，这些场景的特点是“从一个区域拿一个物体，然后放至指定空间”，传统方案无法满足物体的多样化要求，而AI模型则非常容易实现。
公司进展来看，由于初创团队背景为算法，因此在2024年主要是补齐整机和供应链的短板，2025年开始重心回归数据和智能体系，2026年重心转向场景和应用。
在算法方面，星海图的方案是双系统策略。其EFM-1是融合百亿参数视觉语言模型（VLM）与十亿参数动作模型（VLA）的算法模型，其中VLM负责复杂逻辑思考和模糊指令的拆解， VLA负责低延迟的动作执行。
对于数据来源，星海图极其看重真实世界的采集数据，包括真机摇操数据、人类第一视角POV数据等，认为真实数据解决问题的效率高于仿真数据。
对于真实数据的成本，高继扬透露目前国内摇操采集的成本大概在200-250元/小时，如果中西部城市的话，成本也能够有所降低。
不过，高继扬强调数据成本算账不能只看采集环节，同时还应综合考虑模型训练的成本。
通常来看，数据获取的成本和模型训练的成本大概是1:5到1:10，对应的一块钱采集的数据，通常需要花费5-10块钱进行训练。好的数据则能够降低模型训练的成本，这也是其坚持采用真实数据的另一原因。
具体市场拓展方面，星海图采用的是分阶段的市场渗透策略。第一阶段切入开发者市场，将产品卖给高校、大厂研究院。第二阶段是面向企业应用落地的生产力市场。
据报道，目前星海图已经达到数千台的出货量。
03.
智平方，中国最像特斯拉的公司？
智平方成立于2023年4月，创始人郭彦东同样具有部分汽车经历，但其过往工作主要聚焦在AI领域。其博士学位毕业于美国普渡大学，曾在微软美国总部核心AI团队任职，后在小鹏汽车和OPPO担任首席科学家和研发高管。
产品层面，智平方在形态上也没有完全追求人形，首款机器人产品AlphaBot系列为轮式机器人。
智平方坚持软硬一体，硬件团队位于深圳，AI团队设在人才密度较高的北京。
创业早期，2024年6月，智平方就发布并开源了其GOVLA 0.0模型，这是创业公司中的首个开源VLA模型。该模型规模虽然只有谷歌同类模型的1/20，但性能提升超过80%。
2025年，智平方又推出全球首个全域全身VLA模型GOVLA，这也是全球首个输出快慢系统融合的端到端大模型。
对于数据来源，郭彦东坚持把“真实场景数据”放在最高优先级，认为硬件必须在高强度应用中被打磨，只有让机器人“真工作”，才能培养出“真智能”。
“未来三年，谁能从真实环境与真实任务中获得更多数据，谁就能建立更强壁垒。”郭彦东说。
之所以提智平方与特斯拉对比，是因为智平方坚持走AI算法+智能硬件+规模化量产的路线。
围绕GOVLA打造AlphaBot（爱宝）系列机器人，目前核心部件无故障运行时间已经超过5万小时，达到工业级可靠性标准。
在2025年9月，智平方启动自由产线生产，12月已经能实现生产单月超百台的机器人生产，2026年预计产能将超过1万台。
对于未来市场的发展，郭彦东认为机器人大规模To B应用需要3年左右时间，To C则需要5-7年。
目前智平方机器人已经进入制造领域，与全球第三大面板厂商惠科签订了3年1000台订单。同时，在新零售领域也正在开辟应用场景。
04.
自变量，同时获得美团、阿里、字节支持
自变量创建于2023年7月，创始人王潜（1980年生）虽然博士期间（美国南加州大学）就读机器人方向，2020年博士毕业后选择创业的第一个方向是量化基金公司，当时他认为“即便穷尽整个地球的资源，以当时的技术路径，也不可能训练出一个真正具备通用智能的机器人”。
后来ChatGPT出现，王潜认为机会到了，2023年底，回国创立了自变量。自变量意味着主动改变，英文名「X Square」中的X正是数据中的自变量符号。自变量另一联合创始人王昊则负责Infra（工程），加入自变量之前王昊在大模型开源组织 IDEA 研究院。
在硬件层面，自变量更看好轮式机器人，并强调硬件自研。
王潜提到，早期自变量曾考虑依赖外部商提供硬件，但与AI算法存在诸多冲突。因此，自变量决定亲自做硬件，王潜极度反对“先做一个完美的硬件，再基于这个硬件去做AI”的传统思路，认为只有使用天然适合AI的硬件，才能做出有意义的研究。
虽然自变量也做灵巧手产品，但王潜认为灵巧手更多的是为了帮助模型训练（例如将大模型在复杂任务上训练好后，能更容易的迁移到简单任务上）。对于绝大多数场景，王潜认为并不需要和人一样拥有极高自由度的手，简单的夹爪足以应付一半以上的场景，高自由度的灵巧手在很多时候仅仅是提供一种“情绪价值”。
自变量真正的差异化还是来自于算法，相比于分层模型架构，自变量坚定的走“端到端具身基础模型”架构，即WALL-A，将导航和动手操作放在同一个端到端模型中。该路线还有一个好处是可以进行“反向传播（Backprop）”，即可以根据最终的物理操作结果，来进行反向传播，从而不断修正和优化最初的抓取动作，直接提高任务的成功率。
并且从2024年底就开始研发原生COT，自称是世界范围内最早做原生COT的具身智能团队之一。并且区别于其他公司“先用语言模型做COT，再外挂一个控制模型”的方式，自变量强调做原生的融合。这样做的好处是模型可以进行无限长的策略和规划。例如给机器人一张图纸和一堆积木，它不仅能理解图纸，还能持续评估当前步骤与最终结果的差距，并亲自动手将积木完美搭出。
在数据方面，自变量是一个纯粹的“真实数据派”。一方面是因为sim-to-real的原因，另一方面是王潜认为具身智能不具备Scaling Law。这里边不是因为算力不够，而是行业内的数据太粗糙，充满了噪声。自变量强调必须在真实的物理环境中执行实际任务，获取高质量的真实数据。
值得一提的是，在历次融资过程中，自变量是唯一一家集齐美团、阿里、字节跳动三家互联网大厂投资的具身智能企业。
05.
千寻智能，大厂下场之前，先成长为“中厂”
千寻智能两位创始人的背景极其互补。CEO韩峰涛此前为珞石机器人创始人，已经经历过如何从0到1过程中的种种艰辛；高阳则是AI领域的高材生，毕业于美国加州大学伯克利分校（业内称之为伯克利四子之一，吴翼、高阳、许华哲和陈建宇），回国后加入国内顶级AI研究机构，做助理教授。
因此，千寻智能同样是一家以AI能力见长，同时兼具硬件的公司。
在硬件层面，千寻智能也并非追求人形，而是更加强调机器臂的灵活性。首款机器人产品为轮式机器人。在商业路径上，千寻智能先从工业领域做起，再考虑进入家庭。目前，千寻智能已经与宁德时代建立合作。
在数据来源方面，千寻智能坚持采用真实数据。所不同的是数据获取的方式并不完全来自真机采集。
在最开始的时候，千寻智能采取的是视频数据做预训练，然后通过微操数据进行微调。过年的两年，采用该方式，千寻智能积累了20万小时的视频数据。
后期，千寻智能一直在探索成本更低的数据采集方式。从2024年5月开始，千寻智能在预训练阶段加入了可穿戴设备采集的数据，同样用摇操数据做微调，最后让机器人在真实场景里通过强化学习获得roll-out数据。千寻智能推出的是全身的UMI方案，既包括手部，也包括四肢。
韩峰涛提到，如今千寻智能可穿戴式设备的数据可用性已经从30%提升到了95%，并且成本仅有摇操的十分之一。今年，千寻智能预计将采100万小时的数据。
韩峰涛认为，留给机器人公司的机会窗口期时间并不长。2026年不是落地生死战，而是模型淘汰赛，同时也是模型性能快速爆发的一年，而模型性能又和场景、数据息息相关。
千寻智能的目标是，在大厂全面下场之前成长为中厂。
作为目前最为重要的客户，与宁德时代的合作中，韩峰涛承认基础模型无法全部满足，还是需要专门团队定制开发。可见，当下基础模型的发展和应用落地依然存在一定差距。
06.
星动纪元，全栈自研突破壁垒
星动纪元成立于2023年8月，是由清华大学交叉信息研究院孵化的科技企业，同时也是唯一一家清华大学持股的人形机器人企业，专注于具身智能及通用人形机器人研发，致力于通用人工智能的前沿应用研究。
创始人陈建宇为清华大学交叉信息研究院助理教授、博士生导师，是机器人与AI领域的前沿学者。
在技术布局上，星动纪元是国内唯一实现大脑、运控、本体、关节、灵巧手全栈自研的企业，构建起软硬一体的全方位技术支撑体系。值得一提的是，星动纪元研发了全球首个直驱路线的灵巧手，2025年出货量近千只，海外占比达50%。
自研的原生端到端具身模型ERA-42，实现感知、决策、控制全流程一体化，成为全球首个能完成全身及灵巧手操作的具身模型，赋予了具身智能强大的落地穿透力。
作为唯一与斯坦福大学Chelsea Finn团队（PI创始人）深度合作的团队，创始人陈建宇的技术实力更在国际舞台上得到充分印证：双方联合研发的Ctrl-World世界模型，在2026年2月全球世界模型权威测评WorldArena榜单中，成功超越谷歌、英伟达等国际巨头，斩获具身任务全球第一、世界模型综合第二的优异成绩。
不仅如此，双方还联合提出首次让VLA与世界模型协同进化的框架VLAW，有效解决了具身智能在落地应用时物理保真度低、应用适配性不足等行业痛点，引领具身大脑研究进入全新范式。
在VLA具身模型领域，星动纪元同样开创多项全球第一，除世界模型的多个突破性成果外，该公司率先提出分频VLA、「VLA+在线强化学习」等创新范式，相关成果发布时间早于PI、谷歌、英伟达等机构，其强化学习技术方案更被PI最新模型π0.6引用。
在数据驱动层面，星动纪元创新采用“预训练+真机微调”的两阶段范式，有效破解机器人数据瓶颈问题。
其中，预训练阶段被形象地称为“开卷考”，类似人类孩童观察世界的过程，不仅融合各类机器人数据，还纳入海量无标注互联网视频数据，构建融合世界模型的预训练模型，可实现零样本生成高清视频形式的执行策略，能预想并演示全新场景与任务，让模型具备对世界的通用常识。
在此基础上，真机微调阶段作为“真实践”，依托机器人专属本体在真实物理世界收集少量真机数据，即可大幅提升任务执行准确度。
根据星动纪元构建的机器人数据金字塔架构，金字塔顶层为质量最高但数量极少的真机数据；中层是借助普及的VR和智能眼镜高效采集的人类第一人称行为数据，其采集成本远低于真机数据；底层是涵盖人类行为、自然现象、动物活动等各类场景的庞大互联网数据，模型可通过世界模型从中广泛学习。
同时，通过逐步提升模型对本体的控制难度，开展跨任务、跨本体学习，从单机械臂逐步升级到双臂人形机器人——人形机器人不仅是企业的核心发展目标，更是数据收集与迁移的重要载体，能更好地承接各类数据的迁移应用。
商业化落地方面，星动纪元累计订单破5亿元，海外业务占比50%，全球市值TOP10科技公司中9家为其客户，核心客户复购达6次。
其中，物流场景落地行业领先，落地国内首个具身智能物流解决方案，布局深圳、湖州、杭州、合肥、北京5大城市物流集散地，部分场景运营效率70%，并与顺丰推出全球首个跨境物流具身智能查验方案，单笔超5000万订单标志其迈入批量化交付阶段。
除物流行业，星动纪元的产业客户还覆盖3C、汽车、高端制造等多领域头部企业。
07.
写在最后
可以看出，相比于10年前新能源汽车创业热潮，具身智能创业的人才密度更高。同时，由于具身智能产业的空白，大多数创始人以及联创非常年轻。这也就意味着，具身智能行业的发展非常快，相应企业的估值增长也非常快。上述6家企业中，成立全部不满3年就是最好的证明。
另外，这些企业中无一是以硬件为核心的企业，全部是以算法和核心竞争力的企业，当然算法的保鲜期非常短。所以模型的迭代，尤其是数据的获取方式就非常重要。
目前数据获取的方式尚未统一，未来有可能会成为各家的竞争力之一。
真机数据质量最好，但成本也高，且数量无法指数级提升。合成数据容易获取，但存在sim-to-real问题，仅有银河通用坚持这个方向。采用可穿戴式设备、视频学习能相对容易解决真实世界数据来源问题，但需要摇操数据进行微调。
对于硬件，虽然不是核心竞争力，但软硬一体已经是共识，同时人形不是必选项。原因为，当前在模型自研的背景下，自研硬件能更好发挥模型的性能，更方便的采集数据。
对于落地，上述6家企业都认为进入家庭还有待时日，工厂、物流、新零售是当下不错的落地场景。
当然，如今具身智能发展还处于产业初期，但创业企业的百花齐放，势必将会让机器人更加快速的走进现实，走入我们的生活。
-END-
